两手臂机械手作为一种特殊的机器人，由于它的两个手臂紧密连接，它们之间具有很强的关联性，在机械手从一点到另一点的移动过程中，各个手臂不能像一般的机器人一样视为一个点或圆，而只能简化为几条互连的线段，这样各个手臂的路径规划就成为一个有待尽快解决的问题。本文提出了一种基于强化学习理论的机械手路径规划方法，解决了具有两个手臂的机械手在二维平面系统中的路径规划问题，仿真实验证实了这一方法的有效性。 强化学习通过试错和与环境交互获得策略的改进，作为一种无监督学习方法，它直接从环境反馈中进行学习，这种特点使它能够适应变化的环境。其自学习和在线学习的特点使其成为机器学习研究的一个重要分支。不同于有导师学习，它不需要给出输入—输出对，只是利用环境的惩奖信号来改善自己的行为。 本文首先介绍了强化学习的原理和结构，引入了强化学习的理论模型—马尔可夫决策过程，给出了常用的强化学习算法的流程，然后在此基础上介绍了多智能体强化学习理论的数学模型—马尔可夫对策，对基本的多智能体强化学习算法做了改进，削减了学习单元的冗余状态信息，降低了学习空间的组合强度，加快了多智能体强化学习算法的学习速度，最后提出了一种按比例分配的结构信度分配方法，把多智能体强化学习算法成功应用到了机械手路径规划中。